自闭症儿童的脑电分析与干预研究

发布时间：2020-08-29 08:30

　　自闭症人群数量近年来一直处于递增的趋势,不仅严重影响患者的生活质量,也给患者家庭带来巨大的经济压力。为了消除这种不利的潜在风险,越来越多的社会人士及相关的学者对此加大了关注力度。同时政府也加大了科研资助力度来鼓励更多的学者开展相关的研究工作。此课题旨在研究自闭症儿童大脑的特殊生物标记的特征。针对采集的脑电(electroencephalogram,EEG)数据,选用多角度的量化脑电方法分析自闭症的特殊标志(marker)区,结合行为数据的智力量表分析,综合的研究自闭症儿童大脑的特殊性,以及后期针对行为异常所对应的脑区进行尝试性的干预治疗。为了保证自闭症儿童能够顺利的完成测试任务,更加准确地锁定marker区,本研究选用智商高于80的自闭症儿童和年龄智商相当的正常儿童,控制实验环境中的干扰条件,对被试进行智力测查、智力评估,采集静息态和任务态的脑电数据及数据分析。首先,我们选用了38个(7-14岁)自闭症儿童和16个(8-12岁)正常儿童。随后我们进行智力量表的测查,筛选出智商高于80的对象,进一步进行静息态(rest)和任务态(task)下的脑电数据收集,在智商和年龄匹配相当的基础上,从神经振荡及神经同步的不同角度使用量化脑电方法分析其脑电特征,寻找到自闭症儿童的特殊marker区。对于rest数据分析,相较于正常儿童,自闭症儿童的脑电分析存在显著的较低频段的振荡增加,较高频段的振荡减少;以及神经同步性减弱和网络连接性减少。自闭症儿童task数据分析结果显示,错觉轮廓效应诱发自闭症儿童在早期高频γ(60-100Hz)频段振荡降低,后期γ(80-120 Hz)频段振荡升高。课题后期采用简易便携、安全的神经调节技术-经颅直接电刺激(transcranial direct current stimulation,t DCS)干预一例自闭症患者。针对前额叶脑区对情感及思维的影响调节作用,我们周期性刺激该患者前额叶。干预前期,中期,后期分别对该患者进行行为量表的测查和静息态脑电数据的采集,周期治疗的行为数据和脑电数据结果表明,该患者的情绪,过激行为及主动沟通能力明显得到改善。本探索性研究表明t DCS可以作为一种治疗自闭症及其他精神疾病患者的有效的干预手段。
【学位单位】：燕山大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：R749.94;TP391.4
【部分图文】：

自闭症,自闭症儿童,发病机制,病因

第 1 章绪论究的背景系障碍(Autism spectrum disorder, ASD)，是基于典型自闭定义的广泛性自闭症，涵盖典型自闭症、不典型自闭症自闭症边缘、自闭症疑似等症状。它是一种广泛性神经三大主要特征: 一、严重的社交障碍，表现在孤独离群沟通交流障碍，表现为言语障碍突出，很难进行正常语为和异常活动，表现为兴趣狭窄，行为刻板重复，反对的个体也存在着不同程度的异常发育特征，高功能自闭障碍，认知理解与认知表达发育不协调；低功能自闭症，例如模仿行为、理解能力和表达能力障碍。随着年龄儿童能力发育趋势也存在明显差异[2]。

实验流程,积极性,儿童,实验过程

(CS): Kanizsa triangle (KT)、Non-Kanizsa triangle (NKT)、Kanizsa square (KS)、Non-Kanizsa square (NKS)。为调动儿童实验过程中的积极性，每两张图片之间插入一段2s的动画，具体刺激流程见图2-1。

流程图,数据预处理,流程

- 20 -用于盲源分离和特征提取。图3-1 数据预处理流程在盲源分离中，观测量对应维的实际离散时间序列 , = 1,2,…。为原信号，即未经过加工处理的信号或是噪声信号。这样的原始信号在统计学是相互独立的，因此这样的信号可以用线性向量以一种合适的表达式来表达。该表达式的各个分量是相互独立的、不相关的。在特征提取中，是观察量的第个特征。ICA的想法是受神经科学中的削除相似冗余信息来分析大脑早期感觉数据进行加工处理的思想启发而来的。ICA的一个普遍认可的数学公式模型为:= (3-1)其中，是维的向量，是一个各成分之间互相独立的单维随机向量，是 × 维的常量矩阵，通常假定和是等维度的

【参考文献】